一种基于内部缺陷特征预测金属试样疲劳强度的方法

本发明提出一种基于内部缺陷特征预测金属试样疲劳强度的方法，步骤如下：建立含随机椭球缺陷的缩比模型，通过有限元仿真获取应力集中系数；提取缺陷几何特征构建数据集，利用机器学习模型训练至R2≥0.85；对实际试样进行micro‑CT扫描，采用MEE算法将缺陷点云拟合为椭球并输入模型预测应力集中；结合少量疲劳试验修正材料参数，集成无缺陷S‑N曲线构建预测模型。该方法融合三维缺陷重构、机器学习与参数修正机制，通过量化缺陷特征与应力集中关联性，以最小实验量实现不同寿命工况下的疲劳强度精准预测。相较于传统手段，具备成本低、精度高、泛化性强的特点，为工程构件寿命评估提供可靠解决方案。